מנכ״ל Domino Data Lab: ״ה-AI לא מחזיר את ההשקעה״
מנכ״ל Domino Data Lab מבהיר ש-57% מהארגונים לא מצליחים להחזיר את עלויות ה-AI, ורק 28% סומכים על בינה מלאכותית לצורך קבלת החלטות. הסיבה: ה-AI ממוקד בתפוקה אישית ולא בתהליכים עסקיים קריטיים. הפתרון טמון בשילוב עובדי ידע ובממשל של תהליכים.
אז מה באמת קורה עם ה-AI בעולם הארגוני? חברים, בואו נהיה כנים — כולם מדברים על בינה מלאכותית, אבל רוב החברות עדיין מתקשות לראות מזה כסף אמיתי. העניין הוא לא שהטכנולוגיה לא עובדת, אלא שהיא פשוט לא נכנסת למקום שבו העסק מרוויח או מפסיד.
הפער בין הוצאות לתוצאות
57% מהארגונים עדיין מתקשים להפיק החזר שיכסה את עלויות ה-AI — זה נתון די מדהים, לפי מנכ״ל Domino Data Lab, Thomas Robinson. רוב השימוש עד כה היה בכלים לשימוש אישי, למשימות כמו כתיבת מיילים או תוכן שיווקי, אבל כפי ש-Robinson מציין, ״זה לא המקום שבו חברות עושות כסף או מפסידות אותו. זה לא המנוע לחדשנות או לקיצוץ עלויות.״
למה זה לא עובד? חוסר אמון.
סקר של 1,400 מנהלים מצא ש-90% מהארגונים משתמשים ב-AI, אבל רק 28% סומכים עליו לצורך קבלת החלטות עסקיות. פחות מ-25% הצליחו להעביר פיילוטים לייצור. הפער הזה חד — בלי אמון, המערכת קורסת.
Robinson טוען שה-AI צריך להיות מיושם בתהליכים הקריטיים: מחקר פרמצבטי, שירותים פיננסיים וביטחון לאומי — מקומות שבהם תשובה שגויה עולה ביוקר. ״אנחנו עדיין חושבים ששיפוט אנושי טוב יותר מהזיה״ (hallucination), הוא אומר, ומוסיף שגם מודלי reasoning עדיין לא פתרו את הבעיה.
אז מה הפתרון? מיקוד בתהליכים עסקיים.
הערך של AI עובר מהמודלים עצמם לשילוב, לממשל ול-Workflows. חברות כמו Domino Data Lab מציעות גישה תלת-שכבתית: מנוע מדיניות, ניטור רציף בייצור וגורם אנושי אחראי. הרעיון הוא להפסיק לספור כמה אנשים משתמשים בכלי, ולהתחיל למדוד מהן התוצאות העסקיות.
Robinson מדגיש: ״המקסימום שאתה חוסך הוא 100% מהעלות, אבל המנהיגים חושבים קדימה — מה ה-AI יכול לעשות לחדשנות ולהכנסות בשנים הקרובות.״
תפקיד העובדים העסקיים
כאן נכנסת גם נקודת המבט של CIO: בינה ארגונית אמיתית דורשת מעורבות של אנשי העסק — אנליסטים, מנהלי שרשרת אספקה ואנשי כספים. הם מבינים את התהליכים הקריטיים טוב יותר מאנשי IT או ממנהלים בכירים. כדי ש-AI יהיה אמין, הוא חייב להיות מונחה על ידי היגיון עסקי — לא רק נתונים.
כדי שה-AI יהיה באמת שקוף, שאפשר יהיה לשחזר את פעולתו ולבקר אותה, צריך את האנשים האלה כדי שינחו את המודלים לפרש נכון את הנתונים.
ומה עם המודלים?
חברות מודלים בונות צוותי הנדסה קדמיים — סימן לכך שהכפפות יורדות. ״הם לא משווקים את הרעיון שהפער ייסגר באמצעות AI טוב יותר. הם בונים חברות בעזרת אנשים שייכנסו לעסק ויעזרו לחולל בו שינוי דיגיטלי,״ הוא אומר.
ואולי שורת הסיכום: בעולם שבו כולם רצים אחרי ה-GPT הבא, האתגר האמיתי הוא לא לפתח מודל חדש — אלא לגרום לו לעבוד בתוך התהליכים שהעסק מתקיים עליהם. הרי בסוף, מה שקובע הוא אם הדוחות מאוזנים, לא כמה פיילוטים עשיתם.